Conversation
ruoyuGao
changed the title
| @abstractmethod | ||
| def estimate(self, data: list) -> Any: | ||
| """ | ||
| 给出估计的奖励值 |
There was a problem hiding this comment.
这里的注释我感觉可以写的详细些，比如这个函数会修改data中的reward值为reward model给出的值，要注意此方法会导致原始data的reward值无法回复，需要在使用时格外注意
| from ding.entry import serial_pipeline_reward_model_offpolicy | ||
|
|
||
| # 你所要训练的main config， create config | ||
| # cooptrain_reward = True 表示在训练policy的时候，同时训练reward model |
There was a problem hiding this comment.
也许可以加一下，哪些算法适用于这种情况需要co-train？
|
|
||
|
|
||
|
|
||
| **在强化学习训练中添加Reward Model** |
There was a problem hiding this comment.
我认为接下来的几段缺了一个总括性的概述，比如我认为应该加一个：如何在强化学习中使用Reward model（类似这样的大标题）。这一标题下分出几点，分别是：如何定义和添加reward model, 如何训练reward model，如何使用reward model预测reward
|
|
||
| 在强化学习中，Reward Model 是对智能体的行为进行评价的模型，它的输入是智能体的观测和动作，输出是一个标量的奖励值。 | ||
|
|
||
| 在 DI-engine 中，Reward Model是我们提供的一个组件。所有的Reward Model类都继承自名为\ **BaseRewardModel**\的一个抽象基类。在这个类中，我们定义了最基本的Reward Model功能如下。 |
There was a problem hiding this comment.
英文和中文之间应当存在空格，这个涉及许多地方，都需要修改下
|
|
||
|
|
||
|
|
||
| **在强化学习训练中添加Reward Model** |
There was a problem hiding this comment.
我认为接下来的几段缺了一个总括性的概述，比如我认为应该加一个：如何在强化学习中使用Reward model（类似这样的大标题）。这一标题下分出几点，分别是：如何定义和添加reward model, 如何训练reward model，如何使用reward model预测reward
| 如何添加新的Reward Model | ||
| ------------------------------- | ||
|
|
||
| 在上一节中，我们介绍了如何使用现有的reward model。接下来，我们将展示如何添加新的reward model，并且需要遵循哪些规范。 |
There was a problem hiding this comment.
reward model是否要全文保持首字母大写，需要统一一下
|
|
||
| def __init__(self, config: EasyDict, device: str, tb_logger: 'SummaryWriter') -> None: | ||
| """ | ||
| 初始化RM，会在create RM的时候调用，需要注意的是如果要导入expert data（可以写一个self.load_expert_data()的方法） |
There was a problem hiding this comment.
这个地方我认为就讲必须初始化的属性吧，如cfg, reward_model, tb_logger。像计数器之类的，由于每个算法不同，也不一定存在，让用户自行定义即可
| 功能是train整个RM，并向logger添加内容，形式应该如下 | ||
| 1. 由内部方法_train()进行具体训练，接受需要加入logger的返回值 | ||
| 2. 将对应内容添加到logger | ||
| for _ in range(self.cfg.update_per_collect): |
| @abstractmethod | ||
| def collect_data(self, data) -> None: | ||
| """ | ||
| 收集RM所需要的训练数据 |
There was a problem hiding this comment.
收集数据好像有点歧义，不如说将外部传入的训练数据存储在 RM 内部用于训练
|
|
||
| def load_expert_data(self, data) -> None: | ||
| """ | ||
| 加载专家数据，只有在使用专家数据训练Reward Model时才需要实现 |
There was a problem hiding this comment.
加个举例，例如 Inverse RL 算法 Guided Cost Learning，T-REX
| Reward Model 入门 | ||
| ------------------------------- | ||
|
|
||
| **Reward Model 的基本概念** |
There was a problem hiding this comment.
需要画一张图，表明 RM 在标准 RL pipeline 中的位置
| pass | ||
|
|
||
| def collect_data(self, data: list) -> None: | ||
| """ |
| 这个方法的用途是在coop-train的时候，向RM增加新的数据（不用于pretrain） | ||
| 传入的data应该是一个由dict组成的list， | ||
| 每个dict需要包含（特殊情况请在注释中写明，推荐用assert确定在运算前） | ||
| {"obs": torch.tensor, "next_obs": torch.tensor, "action": torch.tensor, "reward": torch.tensor} |
3 participants
No description provided.